这次接着一元线性回归继续介绍多元线性回归,同样还是参靠周志华老师的《机器学习》,把其中我一开始学习时花了较大精力弄通的推导环节详细叙述一下。
本文用到的部分关于向量求导的知识可以参看博文标量、向量、矩阵求导
数据集 D={ (x1,y1),(x2,y2)⋯(xm,ym)} D = { ( x 1 , y 1 ) , ( x 2 , y 2 ) ⋯ ( x m , y m ) } ,其中 xi=[x(1)i,x(2)i⋯x(d)i]T x i = [ x i ( 1 ) , x i ( 2 ) ⋯ x i ( d ) ] T 表示一条样本数据有 d d 个属性,我们的目标是寻找 维列向量 w w 和常数 b b ,使得模型
我们可以采用一些小策略把式(2)统一用矩阵和向量表示,把常数 b b 放入权值向量 得到一个 (d+1) ( d + 1 ) 维的权值向量